|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14159
- 金币
- 2370
- 威望
- 1647
- 贡献
- 1318
|
今天介绍一种从指定网页源文件中析取image标签的的编程技巧，即从网页源文件中，解析出所有的插图文件名（包括图片路径）,也就是标签＜img src=".../... /abc.jpg"＞ 中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境：PHP+Apache for Win98。
0 z8 w. ^1 ^9 {! u( _* X6 n+ D% B6 ^# L2 Z. w, x$ F7 w
首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下： 9 }. f! Y/ Y! ]
# X/ z' w! q! a1 q- a3 J
; @; v0 m: i7 N+ R＜form action=" abstractSRCfrompage.php3" method="post"＞
9 t7 F0 G7 F( e 输入网址＜input type=text name=filename＞＜br＞
$ v2 }# a/ |1 a' z& f4 W/ N/ ]9 ^ ＜input type=submit name=submit value="提交"＞
8 l. v4 w* w1 `8 v＜/form＞
: _# e- Z( u( Y* K
, a+ \9 F% f4 A( C' }5 g. w+ k" J6 W8 ~8 a$ c6 @% ^0 A
输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：: x" x6 a- [( v3 T1 t
: X1 j* u" ] n ?$ M; S" y; i1 u
: Z. G9 f3 t, N& E$ N( O' ^0 Z＜?php, { t3 I0 {1 T3 g& z4 |" H
if ($filename!=""){% g5 ], \: r0 n' P. V8 N
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
2 I5 R [6 u( Cwhile ($buffer = fgets($fp, 1024)) {
& g$ T: Y$ }* I; B$ d! _$source .=$buffer; }9 Y7 u) J$ ~$ ~+ {. r! a
fclose($fp);" P$ e2 [( h7 c8 o* t
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
& j3 c* M7 R& n9 }, Oif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
( T& ^) @' D3 u7 {- Cecho "找到图片标签:)＜br＞";}8 G4 E. e9 b# H5 t/ X
else{4 Z/ d8 d0 U$ R' g* \. f3 I2 A
echo "未发现图片标签:(＜br＞";}
3 q$ E2 y6 n: D& L) Z2 |file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，/ i5 h% P6 D+ I5 Y0 `' I
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);( l9 Q% o# [ E9 x/ K/ l
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";5 [& R# G$ R8 o1 {4 W1 m' y2 c0 T
for($i=1;$i＜sizeof($splitres);$i++){
9 ~8 o2 R: Z% ?. S5 h7 hfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
u+ `* ^% ^: |7 J/ Z5 cunset($imgname); // 再次使用前删除imgname变量；; g$ ?+ A: H% S" k- B
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
* W' w; I( B: U! wecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
+ V4 F, W) Z' e7 v- ~! q$ M}
, u u$ M6 Z4 a$ t}
# c5 q1 T# ]* d1 O, u! O?＞
% ^$ I2 Q# T; s% m% a( `/ v1 a) Z+ P# G4 q
1 @+ [( V) `8 ^: q8 C 该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。! C6 K# ^6 {4 q* ?! D( U
# T+ j& w) Y! `$ p
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。& a8 y+ k W1 @
% i9 g5 j! d4 C8 Y6 A
好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。. I* T! E* b$ m% R8 p
. O* R! i( o- D( f% @" l/ j# h
如果有兴趣，你可以尝试析取HTML文档中的任意感兴趣的信息，如果稍加改装，做一个网站文本搜索引擎岂不更妙？ |
|
发表于 2008-1-19 23:31
| 